Sesión 4 - Publicando resultados con Quarto

Taller introductorio a R

Benjamín Adasme

2025-10-27

Recapitulando

Sintaxis, tipos de datos y funciones
Tidyverse y familia de paquetes
Manipulación de datos ordenados con tidyverse
Creación de gráficos en ggplot2

Sesión 3

De R al mundo

Todo bien con R pero…

¿Cómo sacamos las cosas desde R al mundo?

Opciones sencillas para tablas

Para exportar tablas usamos el paquete writexl

#install.packages("writexl")

library(writexl)

El paquete openxlsx también ofrece alternativas similares

tabla_res <- pinguinos %>% 
  group_by(species) %>% 
  summarise(masa_corp = mean(body_mass_g, na.rm = T))

write_xlsx(tabla_res, "ruta/donde/instalar/archivo.xlsx")

Opciones sencillas para gráficos

Los gráficos se pueden exportar con la función ggsave()

grafico1 <- pinguinos %>%
  ggplot(aes(x = species, y = body_mass_g, fill = species)) +
  geom_boxplot(alpha = 0.5) +
  geom_jitter(width = 0.15, shape = 21) +
  scale_fill_viridis_d() +
  labs(x = "Especies",
       y = "Masa corporal (g)") +
  theme_bw() +
  theme(legend.position = "none")

grafico1

Opciones sencillas para gráficos

Para guardar el gráfico debemos utilizar la función ggsave() junto con las especificaciones del formato (jpg, png, svg) y las dimensiones de tamaño.

ggsave("imagenes/nombredelgrafico.png", grafico1, 
       width = 10, #Por defecto se miden en pulgadas
       height = 7)

Sin embargo, estas son formas útiles cuando queremos exportar algún objeto puntual. Si todo nuestro trabajo se realiza en R, es mejor buscar alternativas más integrales.

RMarkdown

Herramienta de procesamiento de texto que integra código de R.
Permite publicar documentos (html, pdf, docx) y presentaciones (html,ppt)
Basado en el lenguaje de marcado Markdown para procesamiento de texto
Exclusivo para R en Rstudio

Quarto

Es la evolución de Rmarkdown, ya que integra mejores herramientas
Ejecuta código de otros lenguajes como python, julia, entre otros.
Corre en Rstudio, VS Code, NeoVIM, Jupyter Notebooks

Así se procesa un archivo .qmd de Quarto hacia su salida en el formato deseado

Markdown

Lenguaje de marcado que integra una codificación especial para dar formato de forma sencilla y directa.

Entrega las herramientas básicas para texto reproducible.

Usado por Rmarkdown y Quarto

Estilo

El texto básico se puede modificar con diferentes signos interpretables para un procesador de markdown

Mi **perrita** es muy *bonita*, es ***Alba***

potencia^2^ o subíndice~2~

~~texto tachado~~

`bloque de código`

Mi perrita es muy bonita, es Alba

potencia² o subíndice₂

~~texto tachado~~

bloque de código

Títulos

Los títulos tienen diferentes niveles que se identifican con #

# Título principal
## Título 2
### Título 3
#### Título 4

Listas


* lista no ordenada
    + sub-item 1
    + sub-item 2
        - sub-sub-item 1

lista no ordenada
- sub-item 1
- sub-item 2
  - sub-sub-item 1


1. lista ordenada
2. item 2
    i) sub-item 1
         A.  sub-sub-item 1

lista ordenada
item 2
1. sub-item 1
  1. sub-sub-item 1

Enlaces e imágenes


[Enlace a Github](https://github.com/benjamin-adasme/Taller-R-marzo-24/)

![Un logo](imagenes/quarto-logo.png)

Enlace a Github

Un logo

Usando Quarto

Estructura básica: YAML header

Define la configuración global del documento. Puede tener diferentes opciones dependiendo del tipo de doc. Ejemplo básico:


---
title: "Hello, Quarto"
format: html
editor: visual
---

Estructura básica: bloques de código

Son los espacios donde insertamos nuestro código. Quarto los diferencia del texto plano con los triple acentos

```{r}
#| label: mi-code-chunk

print("Hola mundo")
```

[1] "Hola mundo"

Estructura básica: markdown

El formato markdown está incorporado, pero se puede editar el texto en modo “source” o “visual”

Rstudio Projects

Para trabajar en Quarto lo más recomendado es usar Rstudio Projects, ya que nos ayudan a ordenar nuestros documentos y recursos necesarios.

Carpeta madre (donde parte el proyecto)
- archivo qmd
- data (bases de datos)
- imagenes (a usar en el proyecto)
- salidas (para guardar outputs)

¡Vamos a R!

Extra: paquete gt

gt: great tables

gt es el paquete análogo a ggplot2, pero para tablas. Utiliza también una lógica de capas para producir diseños amigables y atractivos para visualizar datos tabulares.

Flujo de trabajo de gt

gt en funcionamiento

res_ping <- pinguinos %>% 
  filter(!is.na(sex)) %>% 
  group_by(species, sex) %>% 
  summarise(bill_length_mean = mean(bill_length_mm, na.rm = T),
            bill_depth_mean = mean(bill_depth_mm, na.rm = T),
            body_mass_mean = mean(body_mass_g, na.rm = T))

res_ping

# A tibble: 6 × 5
# Groups:   species [3]
  species   sex    bill_length_mean bill_depth_mean body_mass_mean
  <fct>     <fct>             <dbl>           <dbl>          <dbl>
1 Adelie    female             37.3            17.6          3369.
2 Adelie    male               40.4            19.1          4043.
3 Chinstrap female             46.6            17.6          3527.
4 Chinstrap male               51.1            19.3          3939.
5 Gentoo    female             45.6            14.2          4680.
6 Gentoo    male               49.5            15.7          5485.

# install.packages("gt")

library(gt)

res_ping %>% 
  gt()

sex	bill_length_mean	bill_depth_mean	body_mass_mean
Adelie
female	37.25753	17.62192	3368.836
male	40.39041	19.07260	4043.493
Chinstrap
female	46.57353	17.58824	3527.206
male	51.09412	19.25294	3938.971
Gentoo
female	45.56379	14.23793	4679.741
male	49.47377	15.71803	5484.836

res_ping %>% 
  gt() %>% 
  fmt_number(where(is.numeric), use_seps = T, sep_mark = ".",
             dec_mark = ",", decimals = 2) %>% 
  cols_label(5 ~ "Masa corporal (mm)")

sex	bill_length_mean	bill_depth_mean	Masa corporal (mm)
Adelie
female	37,26	17,62	3.368,84
male	40,39	19,07	4.043,49
Chinstrap
female	46,57	17,59	3.527,21
male	51,09	19,25	3.938,97
Gentoo
female	45,56	14,24	4.679,74
male	49,47	15,72	5.484,84

res_ping %>% 
  gt() %>% 
  fmt_number(where(is.numeric), use_seps = T, sep_mark = ".",
             dec_mark = ",", decimals = 2) %>% 
  cols_label(5 ~ "Masa corporal (mm)") %>% 
  data_color(columns = 5, direction = "column", method = "numeric",
             palette = c("gray90", "steelblue")) %>% 
  tab_header(title = "Datos de los pingüinos del Arch. Palmer", 
             subtitle = "Desagregados por sexo y especie") %>% 
  tab_footnote(footnote = "Datos del paquete de R 'palmerpenguins'")

sex	bill_length_mean	bill_depth_mean	Masa corporal (mm)
Datos de los pingüinos del Arch. Palmer
Desagregados por sexo y especie
Adelie
female	37,26	17,62	3.368,84
male	40,39	19,07	4.043,49
Chinstrap
female	46,57	17,59	3.527,21
male	51,09	19,25	3.938,97
Gentoo
female	45,56	14,24	4.679,74
male	49,47	15,72	5.484,84
Datos del paquete de R 'palmerpenguins'